Layered policy analysis in program evaluation using the marginal treatment effect
利用边际处理效应开展分层政策评估AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究潜在无效工具变量下的处理效应识别集和政策评估。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用边际处理效应开展分层政策评估
- 研究问题
- 当工具变量可能无效时，如何界定常用政策效应，并清楚呈现不同可信程度的工具变量假设如何改变识别结论？
- 方法与思路
- 作者通过藤 copula 方法刻画边际处理效应与政策相关处理效应的识别集，并据此推导政策参数的锐界。
- 材料陈述的贡献
- 摘要称该框架展示分层工具变量假设对识别集的影响，提供模型与假设检验基础，并支持识别假设不确定时的政策分析。
- 阅读关注点
- 应核对潜在无效工具变量的具体类型、copula 限制及锐界证明，以及各层假设的可检验内容和政策参数定义。
- 阅读边界
- 所给出版社摘要未说明仍需保留哪些识别限制或如何估计识别集，不能理解为在没有任何有效假设时也能确定政策效果。
原文摘要
This paper proposes a unified approach to derive sharp bounds on conventional policy parameters when the instrumental variables (IVs) are potentially invalid. Using a vine copula approach, we propose a novel characterization of the identified sets for the marginal treatment effect (MTE) and the policy-relevant treatment effect (PRTE) parameters. Our method has various advantages: First, it explicitly demonstrates how imposing different IV-related assumptions with different credibility levels affects the MTE and PRTE’s identified set. Second, it provides a basis for testing model specifications and hypotheses about various imperfect IV-related assumptions. Third, it provides a tractable way to inform policy choices in the presence of uncertainty of the validity of identifying assumptions. Our approach enlarges the MTE framework’s scope by showing how it can be used to inform policy decisions even when valid instruments are not available.